Boken 'The Elements of Statistical Learning' gir en grundig beskrivelse av sentrale ideer innen en rekke områder, inkludert medisin, biologi, finans og markedsføring, alt innenfor et felles konseptuelt rammeverk. Til tross for den statistiske tilnærmingen, fokuserer boken mer på konsepter enn på matematikk, noe som gjør den lettfattelig for leserne. Med rikelig bruk av fargegrafikk og mange eksempler, er dette en uvurderlig ressurs for både statistikere og alle som er interessert i datagraving innen vitenskap eller industri. Boken dekker et bredt spekter av emner fra overvåket læring (prediksjon) til ikke-overvåket læring. Den tar for seg flere temaer, inkludert nevrale nettverk, støttevektormaskiner, klassifikasjonstre og boosting, og dette er den mest omfattende behandlingen av disse emnene som finnes i noen bok. Den oppdaterte utgaven inneholder en rekke nye emner som ikke ble behandlet i den opprinnelige, slik som grafiske modeller, tilfeldige skoger, ensemblemetoder, minste vinkelregresjon og stibaserte algoritmer for lasso, ikke-negative matrisefaktoriseringer og spektreklustering. I tillegg finnes det et kapittel som omhandler metoder for 'brede' data, der antallet variabler er større enn antallet observasjoner.
